Data-Science-For-Beginners/translations/ar

Data Science for Beginners - A Curriculum

يسعد Azure Cloud Advocates في Microsoft أن يقدموا منهجًا دراسيًا لمدة 10 أسابيع و20 درسًا بالكامل عن علم البيانات. يتضمن كل درس اختبارات قبل الدرس وبعده، تعليمات مكتوبة لإكمال الدرس، حلاً وتكليفًا. تسمح منهجيتنا القائمة على المشاريع بأن تتعلم أثناء البناء، وهي طريقة مثبتة لتثبيت المهارات الجديدة.

شكر حار لمؤلفينا: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 شكر خاص 🙏 لمؤلفي ومراجعي ومساهمي المحتوى من سفراء الطلاب لدى Microsoft، لا سيما Aaryan Arora, Aditya Garg, Alondra Sanchez, Ankita Singh, Anupam Mishra, Arpita Das, ChhailBihari Dubey, Dibri Nsofor, Dishita Bhasin, Majd Safi, Max Blum, Miguel Correa, Mohamma Iftekher (Iftu) Ebne Jalal, Nawrin Tabassum, Raymond Wangsa Putra, Rohit Yadav, Samridhi Sharma, Sanya Sinha, Sheena Narula, Tauqeer Ahmad, Yogendrasingh Pawar , Vidushi Gupta, Jasleen Sondhi

علم البيانات للمبتدئين - مخطط مرسوم بواسطة @nitya

🌐 دعم متعدد اللغات

مدعوم عبر إجراء GitHub (مؤتمت ومحدّث دائمًا)

العربية | البنغالية | البلغارية | البورمية (ميانمار) | الصينية (مبسطة) | الصينية (تقليدية، هونغ كونغ) | الصينية (تقليدية، ماكاو) | الصينية (تقليدية، تايوان) | الكرواتية | التشيكية | الدانماركية | الهولندية | الإستونية | الفنلندية | الفرنسية | الألمانية | اليونانية | العبرية | الهندية | الهنغارية | الإندونيسية | الإيطالية | اليابانية | الكانادا | الكورية | الليتوانية | الماليزية | المالايالامية | الماراثية | النيبالية | البيجِن النيجيري | النرويجية | الفارسية (فارسی) | البولندية | البرتغالية (البرازيل) | البرتغالية (البرتغال) | البنجابية (غورموخي) | الرومانية | الروسية | الصربية (سيريلية) | السلوفاكية | السلوفينية | الإسبانية | السواحلية | السويدية | التاغالوغية (الفلبينية) | التاميلية | التيلجو | التايلاندية | التركية | الأوكرانية | الأردية | الفيتنامية

إذا رغبت في إضافة لغات ترجمة إضافية، فالقائمة المدعومة متوفرة هنا

انضم إلى مجتمعنا

لدينا سلسلة Learn with AI على Discord جارية، تعرّف أكثر وانضم إلينا على Learn with AI Series في الفترة من 18 - 30 سبتمبر، 2025. ستحصل على نصائح وحيل لاستخدام GitHub Copilot لعلم البيانات.

هل أنت طالب؟

ابدأ بالموارد التالية:

• صفحة Student Hub في هذه الصفحة، ستجد موارد للمبتدئين، حزمًا للطلاب وحتى طرقًا للحصول على قسيمة شهادة مجانية. هذه صفحة يجب أن تضيفها إلى المفضلة وتراجعها من وقت لآخر لأننا نغير المحتوى على الأقل مرة شهرية.
• Microsoft Learn Student Ambassadors انضم إلى مجتمع عالمي من سفراء الطلاب، قد تكون هذه طريقك إلى Microsoft.

البدء

📚 الوثائق

• دليل التثبيت - تعليمات إعداد خطوة بخطوة للمبتدئين
• دليل الاستخدام - أمثلة وسير عمل شائع
• استكشاف الأخطاء وإصلاحها - حلول للمشكلات الشائعة
• دليل المساهمة - كيفية المساهمة في هذا المشروع
• للمدرّسين - إرشادات تدريسية وموارد صفية

👨‍🎓 للطلاب

المبتدئون تمامًا: جديد في علم البيانات؟ ابدأ بأمثلتنا المناسبة للمبتدئين! هذه الأمثلة البسيطة والمشروحة جيدًا ستساعدك على فهم الأساسيات قبل الغوص في المنهج الكامل. الطلاب: لاستخدام هذا المنهج بمفردك، قم بعمل fork للمستودع بالكامل وأكمل التمارين بنفسك، بدءًا من اختبار قبل المحاضرة. ثم اقرأ المحاضرة وأكمل بقية الأنشطة. حاول إنشاء المشاريع من خلال فهم الدروس بدلاً من نسخ رمز الحل؛ مع ذلك، يتوفر ذلك الرمز في مجلدات /solutions في كل درس موجه نحو المشروع. فكرة أخرى هي تشكيل مجموعة دراسة مع الأصدقاء ومراجعة المحتوى معًا. لمزيد من الدراسة، نوصي بـ Microsoft Learn.

البدء السريع:

1. تحقق من دليل التثبيت لإعداد بيئتك
2. راجع دليل الاستخدام لتتعلم كيفية العمل مع المنهج
3. ابدأ بالدرس 1 وواصل العمل بالتسلسل
4. انضم إلى مجتمعنا على Discord للحصول على الدعم

👩‍🏫 للمدرّسين

المعلّمون: لقد أدرجنا بعض الاقتراحات حول كيفية استخدام هذا المنهج. نود أن نحصل على ملاحظاتكم في منتدى النقاش الخاص بنا!

تعرف على الفريق

GIF بواسطة Mohit Jaisal

🎥 انقر الصورة أعلاه لمشاهدة فيديو عن المشروع والأشخاص الذين أنشأوه!

المنهجية التربوية

لقد اخترنا مبدأين تربويين عند بناء هذا المنهج: التأكد من أنه مبني على المشاريع وأنه يتضمن اختبارات متكررة. بنهاية هذه السلسلة، سيتعلم الطلاب مبادئ أساسية في علوم البيانات، بما في ذلك المفاهيم الأخلاقية، إعداد البيانات، طرق مختلفة للعمل مع البيانات، تصور البيانات، تحليل البيانات، حالات استخدام حقيقية لعلوم البيانات، والمزيد.

بالإضافة إلى ذلك، يحدد اختبار منخفض المخاطر قبل الحصة نية الطالب نحو تعلم موضوع ما، بينما يضمن اختبار ثانٍ بعد الحصة مزيدًا من الاحتفاظ بالمعلومات. تم تصميم هذا المنهج ليكون مرنًا وممتعًا ويمكن الالتحاق به ككل أو جزئيًا. تبدأ المشاريع صغيرة وتزداد تعقيدًا تدريجيًا بنهاية دورة العشرة أسابيع.

اطلع على مدونة السلوك، إرشادات المساهمة، وإرشادات الترجمة. نرحب بملاحظاتكم البناءة!

تتضمن كل درس ما يلي:

• مخطط مرئي اختياري
• فيديو تكميلي اختياري
• اختبار تمهيدي قبل الدرس
• درس مكتوب
• بالنسبة للدروس المبنية على المشاريع، دلائل خطوة بخطوة حول كيفية بناء المشروع
• اختبارات التحقق من المعرفة
• تحدٍ
• قراءات إضافية
• مهمة
• اختبار بعد الدرس

ملاحظة حول الاختبارات: توجد جميع الاختبارات داخل مجلد Quiz-App، بإجمالي 40 اختبارًا، كل واحد مكوّن من ثلاثة أسئلة. ترتبط من داخل الدروس، لكن تطبيق الاختبارات يمكن تشغيله محليًا أو نشره على Azure؛ اتبع التعليمات في مجلد quiz-app. يتم تعريبها تدريجيًا.

🎓 أمثلة مناسبة للمبتدئين

جديد في علوم البيانات؟ أنشأنا دليل أمثلة خاصًا examples directory يحتوي على شيفرات بسيطة ومشروحة جيدًا لمساعدتك على البدء:

• 🌟 Hello World - برنامج علوم البيانات الأول الخاص بك
• 📂 Loading Data - تعلّم قراءة واستكشاف مجموعات البيانات
• 📊 Simple Analysis - حساب الإحصاءات واكتشاف الأنماط
• 📈 Basic Visualization - إنشاء مخططات ورسوم بيانية
• 🔬 Real-World Project - تنفيذ سير عمل كامل من البداية إلى النهاية

يتضمن كل مثال تعليقات مفصلة تشرح كل خطوة، مما يجعله مثاليًا للمبتدئين تمامًا!

👉 ابدأ بالأمثلة 👈

الدروس

خارطة طريق علوم البيانات للمبتدئين - مخطط مرئي بواسطة @nitya

Lesson Number	Topic	Lesson Grouping	Learning Objectives	Linked Lesson	Author
01	Defining Data Science	مقدمة	تعرّف على المفاهيم الأساسية وراء علوم البيانات وكيف ترتبط بالذكاء الاصطناعي وتعلم الآلة والبيانات الضخمة.	lesson video	Dmitry
02	Data Science Ethics	مقدمة	مفاهيم أخلاقيات البيانات، التحديات والأُطُر.	lesson	Nitya
03	Defining Data	مقدمة	كيفية تصنيف البيانات ومصادرها الشائعة.	lesson	Jasmine
04	Introduction to Statistics & Probability	مقدمة	التقنيات الرياضية للاحتمالات والإحصاء لفهم البيانات.	lesson video	Dmitry
05	Working with Relational Data	العمل مع البيانات	مقدمة في البيانات العلائقية وأسُس استكشاف وتحليل البيانات العلائقية باستخدام لغة الاستعلام البنيوي، المعروفة أيضًا بـ SQL (تُنطق "سي-كيو-إل").	lesson	Christopher
06	Working with NoSQL Data	العمل مع البيانات	مقدمة في البيانات غير العلائقية، وأنواعها المختلفة، وأسُس استكشاف وتحليل قواعد البيانات الوثائقية.	lesson	Jasmine
07	Working with Python	العمل مع البيانات	أساسيات استخدام Python لاستكشاف البيانات مع مكتبات مثل Pandas. يوصى بفهم أساسي لبرمجة Python.	lesson video	Dmitry
08	Data Preparation	العمل مع البيانات	مواضيع حول تقنيات تنظيف وتحويل البيانات للتعامل مع تحديات البيانات المفقودة أو غير الدقيقة أو غير المكتملة.	lesson	Jasmine
09	Visualizing Quantities	تصوير البيانات	تعلّم كيفية استخدام Matplotlib لتصوير بيانات الطيور 🦆	lesson	Jen
10	Visualizing Distributions of Data	تصوير البيانات	تصوير الملاحظات والاتجاهات ضمن نطاق.	lesson	Jen
11	Visualizing Proportions	تصوير البيانات	تصوير النسب المئوية المتقطعة والمجمعة.	lesson	Jen
12	Visualizing Relationships	تصوير البيانات	تصوير الروابط والارتباطات بين مجموعات البيانات ومتغيراتها.	lesson	Jen
13	Meaningful Visualizations	تصوير البيانات	تقنيات وإرشادات لجعل تصوراتك ذات قيمة لحل المشكلات بفعالية واستخلاص الرؤى.	lesson	Jen
14	Introduction to the Data Science lifecycle	دورة الحياة	مقدمة حول دورة حياة علوم البيانات وخطوتها الأولى في الحصول على البيانات واستخراجها.	lesson	Jasmine
15	Analyzing	دورة الحياة	تركز هذه المرحلة من دورة حياة علوم البيانات على تقنيات تحليل البيانات.	lesson	Jasmine
16	Communication	دورة الحياة	تركز هذه المرحلة من دورة حياة علوم البيانات على عرض الرؤى المستخلصة من البيانات بطريقة تسهل على صانعي القرار فهمها.	lesson	Jalen
17	Data Science in the Cloud	البيانات في السحابة	تقدم هذه السلسلة من الدروس علوم البيانات في السحابة وفوائدها.	lesson	Tiffany and Maud
18	Data Science in the Cloud	البيانات في السحابة	تدريب النماذج باستخدام أدوات Low Code.	lesson	Tiffany and Maud
19	Data Science in the Cloud	البيانات في السحابة	نشر النماذج باستخدام Azure Machine Learning Studio.	lesson	Tiffany and Maud
20	Data Science in the Wild	في العالم الحقيقي	مشاريع مدفوعة بعلوم البيانات في العالم الحقيقي.	lesson	Nitya

GitHub Codespaces

اتبع هذه الخطوات لفتح هذا المثال في Codespace:

1. انقر قائمة Code المنسدلة واختر خيار Open with Codespaces.
2. اختر + New codespace في أسفل اللوحة. لمزيد من المعلومات، اطلع على توثيق GitHub.

VSCode Remote - Containers

اتّبع هذه الخطوات لفتح هذا المستودع داخل حاوية باستخدام جهازك المحلي و VSCode عبر امتداد VS Code Remote - Containers:

1. إذا كانت هذه هي المرة الأولى التي تستخدم فيها حاوية تطوير، يرجى التأكد من أن نظامك يستوفي المتطلبات المسبقة (مثل تثبيت Docker) في وثائق البدء.

لاستخدام هذا المستودع، يمكنك إما فتح المستودع في مساحة Docker معزولة:

ملاحظة: تحت الغطاء، سيستخدم هذا الأمر Remote-Containers: Clone Repository in Container Volume... لنسخ الشيفرة المصدرية في حجم Docker بدلاً من نظام الملفات المحلي. Volumes هي الآلية المفضلة للحفاظ على بيانات الحاوية.

أو افتح نسخة مستنسخة محليًا أو محمّلة من المستودع:

• استنسخ هذا المستودع إلى نظام الملفات المحلي لديك.
• اضغط F1 واختر أمر Remote-Containers: Open Folder in Container....
• اختر النسخة المستنسخة من هذا المجلد، وانتظر بدء الحاوية، وجرب الأمور بنفسك.

الوصول دون اتصال

يمكنك تشغيل هذه الوثائق دون اتصال باستخدام Docsify. استنسخ هذا المستودع، ثبّت Docsify على جهازك المحلي، ثم في المجلد الجذري لهذا المستودع اكتب docsify serve. سيُقدَّم الموقع على المنفذ 3000 على جهازك المحلي: localhost:3000.

ملاحظة، لن تُعرض دفاتر الملاحظات عبر Docsify، لذا عندما تحتاج إلى تشغيل دفتر ملاحظات، فافعل ذلك بشكل منفصل في VS Code مع تشغيل نواة Python.

مناهج أخرى

فريقنا يُنتج مناهج أخرى! اطلع على:

LangChain

---

Azure / Edge / MCP / Agents

---

سلسلة الذكاء التوليدي

---

التعلم الأساسي

---

سلسلة Copilot

الحصول على المساعدة

هل تواجه مشكلات؟ اطّلع على دليل استكشاف الأخطاء وإصلاحها للحصول على حلول للمشاكل الشائعة.

إذا علقت أو كانت لديك أي أسئلة حول بناء تطبيقات الذكاء الاصطناعي. انضم إلى المتعلمين الآخرين والمطورين ذوي الخبرة في مناقشات حول MCP. إنها مجتمع داعم حيث تُرحَّب بالأسئلة وتُشارك المعرفة بحرية.

إذا كانت لديك ملاحظات حول المنتج أو واجهت أخطاء أثناء البناء، قم بزيارة:

---

إخلاء المسؤولية: تمت ترجمة هذا المستند باستخدام خدمة الترجمة الآلية Co-op Translator. بينما نسعى لتحقيق الدقة، يرجى ملاحظة أن الترجمات الآلية قد تحتوي على أخطاء أو عدم دقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر المرجعي والموثوق به. بالنسبة للمعلومات الحرجة، يُنصَح بالاعتماد على ترجمة بشرية محترفة. لا نتحمل أي مسؤولية عن أي سوء فهم أو تفسيرات خاطئة ناتجة عن استخدام هذه الترجمة.